Studi Kasus Depop

Depop menawarkan alternatif untuk berbelanja busana yang unik melalui marketplace mereka. Depop beralih ke AWS setelah mencapai batas teknologi PaaS yang ada. AWS memungkinkan Depop untuk dengan cepat melakukan iterasi, melakukan deployment, dan menskalakan keluar fitur baru, dengan fokus pada machine learning.

Depop menyebut dirinya sebagai pengalaman belanja sosial berbasis komunitas di mana generasi berikutnya membeli, menjual, dan menemukan mode yang unik. Depop bertujuan memungkinkan industri mode menjadi lebih berkelanjutan dan berbasis tujuan dengan menawarkan alternatif sirkular pertama untuk berbelanja baru.

Untuk mendukung pertumbuhan dan kemampuan baru yang dibutuhkan di masa depan, Depop menggunakan AWS secara menyeluruh. Sejak itu, Depop berkembang dari perusahaan rintisan tahap awal menjadi kisah sukses tahap akhir dengan 25 juta pengguna (90 persen pengguna aktifnya berusia di bawah 25 tahun) dan pertumbuhan pelanggan tahun ke tahun sebesar 130 persen di seluruh pasar utamanya, dari AS, Inggris, dan Australia.

Depop beralih ke AWS sekitar dua setengah tahun lalu, saat Depop mencapai batas teknologi Platform-as-a-Service (PaaS) yang sudah ada. “Dengan penyedia PaaS, kami menemui beberapa tantangan, seperti batas skalabilitas, kurangnya fleksibilitas dalam cara kami menskalakan aplikasi, dan kendala dalam cara solusi dibangun karena serangkaian kemampuan yang tersedia, tetapi terbatas dan terkelola penuh”, ungkap Chief Technology and Data Officer Depop, Remo Gettini.

Robert Erdin, Director of Applications and Services Depop, menambahkan bahwa perusahaan ini juga memerlukan infrastruktur yang lebih hemat biaya dengan kontrol yang lebih besar.

Depop menjalankan migrasinya sendiri, dengan arsitek solusi AWS yang membantu mengatasi sejumlah tantangan. Tantangan ini antara lain memahami berbagai tindakan penghematan biaya dan cara memantau secara konsisten dan menerapkannya, serta beragam kematangan layanan AWS.

Tantangan lainnya adalah menemukan keseimbangan yang tepat antara menyediakan abstraksi yang dapat digunakan kembali, aman, dan mudah digunakan untuk developer aplikasi, dan mengizinkan akses langsung developer untuk menyediakan infrastruktur.

Berkat penggunaan AWS, perusahaan telah meningkatkan jumlah tim yang dapat bekerja di aplikasi Depop secara bersamaan. Jumlah tersebut tumbuh dari dua menjadi delapan, dengan kemungkinan lebih dari 10 dalam waktu dekat. Hal ini meningkatkan kemampuan Depop untuk mengembangkan, menguji, dan melakukan deployment layanan baru secara signifikan. Clemence J. Burnichon, Head of Data Science and Machine Learning (ML) Depop, mengungkapkan bahwa AWS juga memberikan fleksibilitas bagi timnya untuk memperluas klaster dua instans menjadi 25 instans.

AWS juga mendukung pertumbuhan pasar Depop yang cepat. Jaringan pengiriman konten Amazon CloudFront, terintegrasi dengan Amazon Simple Storage Service (Amazon S3), akan sangat penting untuk memfasilitasi perluasan ini dengan mendukung distribusi gambar dan video.

Layanan Depop semakin didorong oleh ML dengan perusahaan menggunakan layanan AWS ML secara ekstensif untuk beban kerja ML-nya. Salah satu tantangan teknologi utama untuk Depop adalah berurusan dengan inventaris yang terus bertambah di mana tidak ada dua item yang sama. Perusahaan ini bergantung pada solusi danau data berbasis Amazon S3 untuk mengelola inventarisnya yang besar dari 25 juta item dan transaksi, menggunakan Amazon Kinesis Data Firehose untuk melakukan streaming data, dengan beberapa penggunaan Amazon Managed Streaming for Apache Kafka (Amazon MSK).

Dikombinasikan dengan teknologi pengenalan visual, algoritme ML mengategorikan item pakaian yang disimpan di danau data dalam berbagai cara, termasuk berdasarkan ukuran, warna, dan merek, mendukung layanan pencarian dan rekomendasi Pembelanja Pribadi Depop.

Depop berencana menggunakan Amazon Elasticsearch Service pada aplikasi selulernya untuk memanfaatkan data yang dikategorikan yang disimpan di danau data. Layanan ini akan memberikan kontrol yang lebih mendetail untuk mencari dan mengaktifkan lebih banyak algoritme ML untuk ditambahkan dari waktu ke waktu.

Teknologi Amazon lainnya yang digunakan bersama dengan danau data termasuk gudang data Amazon Redshift untuk membuat versi data yang lebih bersih dan dikemas, dan layanan kueri interaktif Amazon Athena untuk menyediakan akses cepat ke data.

Dengan memiliki alat AWS ini untuk digunakan untuk apa pun, kapan pun, dan di mana pun, tim ML Depop juga dapat dengan cepat mengulangi model deep learning yang baru. Menurut Burnichon, tim ML saat ini memiliki sekitar 30 juta model ML yang sedang diproduksi, memproses 1,5 juta pesan gabungan per jam.

Model berikut didukung oleh Amazon SageMaker dan Amazon EMR untuk pengindeksan dan relevansi, sementara proses extract, transform, and load (ETL) disediakan melalui AWS Glue.

AWS telah memungkinkan Depop untuk bergerak menuju “layanan backend yang lebih mendetail, yang memungkinkan kami untuk meningkatkan tim rekayasawan kami secara signifikan dan mengerjakan lebih banyak fitur secara bersamaan,” jelas Gettini.

Depop menggunakan Amazon Elastic Kubernetes Service (Amazon EKS) untuk menyediakan komputasi nirserver untuk kontainer yang mendukung aplikasi selulernya, memberikan kemampuan untuk melakukan deployment layanan produksi baru kepada tim pengembangan dalam sehari. Erdin mengatakan AWS telah memungkinkan “demokratisasi akses ke infrastruktur,” yang memungkinkan tim pengembangan dengan mudah dan hemat biaya mencoba hal-hal baru dengan cara yang aman, tanpa menimbulkan utang teknis. “Apa pun yang ingin Anda lakukan, ada layanan AWS untuk mewujudkannya,” ungkapnya.

Menggunakan AWS juga memastikan bahwa layanan atau aplikasi yang berhasil sudah berada di lingkungan yang tepat untuk masuk ke produksi. Menurut Erdin, Depop telah melihat lebih dari 100 layanan digunakan.

Manfaat utama lainnya adalah akses yang dimiliki Depop ke spesialis AWS. Erdin mengutip contoh kemampuan untuk menuangkan ide dengan melontarkan pertanyaan dari arsitek solusi AWS. AWS juga sering memberi Depop pelatihan, mulai dari sesi tingkat pemula tentang AWS dan cloud hingga pembahasan mendalam tentang teknologi tertentu.

Bagi Gettini, pencapaian terbesar Depop dengan AWS adalah mampu “mendukung organisasi produk dan rekayasa lebih yang terdiri lebih dari 100 orang dalam sembilan tim lintas fungsi dengan hanya segelintir rekayasawan yang berdedikasi untuk memelihara infrastruktur.”

“Membandingkan hal ini dengan awal karier saya sejak hampir 30 tahun yang lalu, hal ini masih mengejutkan.”